AWS SageMaker训练任务失败：执行自定义SKLearn脚本出错求助

以下是导致训练脚本执行失败（ExitCode 1）的几个关键问题及修复方法：

1. 重复定义命令行参数 #

脚本中两次添加了--model-dir参数：

parser.add_argument('--model-dir', type=str, default=os.environ['SM_MODEL_DIR'])
# ...
parser.add_argument("--model-dir", type=str, default=os.environ.get("SM_MODEL_DIR"))

argparse不允许重复定义同名参数，会直接触发解析错误。修复方法：删除其中一行，保留一个即可，推荐使用os.environ.get的版本（避免环境变量未设置时直接崩溃）：

# 保留这一行即可
parser.add_argument("--model-dir", type=str, default=os.environ.get("SM_MODEL_DIR"))

2. columns变量未定义 #

脚本中使用了X_train = train_df[columns]和X_test = test_df[columns]，但未定义columns变量。这会抛出NameError，导致脚本终止。修复方法：提前定义要使用的特征列列表，例如：

# 根据你的数据集特征列修改
columns = ['特征列1', '特征列2', '特征列3']
X_train = train_df[columns]
X_test = test_df[columns]

3. 缺少必要的库导入 #

脚本中使用了多个第三方库，但未添加导入语句，会触发ModuleNotFoundError或NameError。修复方法：在脚本开头添加所有需要的导入：

import os
import argparse
import pandas as pd
import joblib
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import f1_score

4. 引用未定义的命令行参数 #

脚本最后一行print(args.min_samples_leaf)，但从未添加--min_samples_leaf参数的定义，会抛出AttributeError。修复方法：要么删除这一行，要么添加对应的参数定义：

# 如果需要这个超参数，添加以下行
parser.add_argument("--min_samples_leaf", type=int, default=1)

5. 环境变量硬引用风险 #

第一次定义--model-dir时使用了os.environ['SM_MODEL_DIR']，如果环境变量未设置（虽然SageMaker会自动设置，但本地测试时可能出错），会直接抛出KeyError。建议统一使用os.environ.get的方式，允许默认值为空或指定默认路径。

修复以上问题后，重新提交训练任务即可解决ExecuteUserScriptError问题。另外，建议在本地先测试脚本的执行逻辑，确保没有语法或逻辑错误后再上传到SageMaker运行，便于快速排查问题。

内容的提问来源于stack exchange，提问作者skippy_winks